Datahåndteringsplaner
En datahåndteringsplan (data management plan, DMP) beskriver hvilke forskningsdata du planlegger å samle inn eller generere, og hvordan du planlegger å beskrive, lagre og bevare forskningsdataene i løpet av og etter prosjektet.
Hovedinnhold
Målet med en datahåndteringsplan er å forsikre at forskningsdata håndteres på en trygg og forsvarlig måte i løpet av et forskninsprosjekt og klargjøre dataene for langtidsbevaring. Datahåndteringsplaner er også nyttige for forskere siden de:
- gjør det enkelt å identifisere og løse viktige problemstillinger rundt forskningsdata på et tidlig stadie i forskningsprosjektet (som samtykke til å dele data eller kopirett)
- kan redegjøre for ekstra kostnader eller ressurser som trengs for å håndtere forskningsdata (som f.e ks. ekstra lagringsplass)
- planlegge behovet for datahåndtering tidlig ute og overvåke aktivitet rundt forskningsdata i løpet av prosjektet
- hjelper andre å bruke dataene dine hvis du skulle trenge å dele de
HVORFOR må man skrive en datahåndteringsplan?
Norges forskingsråd og EUs rammeprogram Horisont Europa stiller krav om at prosjekt må ha en datahåndteringsplan (data management plan, DMP). I tillegg sier UiB sin politikk for åpen vitenskap at alle forskningsprosjekter som ledes fra UiB skal ha en datahåndteringsplan.
Hensikten med datahåndteringsplanen er å planlegge for hvordan dere skal sikre forskningsdataene, både underveis i prosjektet, og for fremtidig gjenbruk. En datahåndteringsplan er også nyttig for å vise kostnader knyttet til datahåndtering og lagring, og i planleggingen av hvordan dere kan dekke disse kostnadene.
Forskeren skal sette opp ein datahåndteringsplan i en tidleg fase av prosjektet, og helst innen seks måneder etter oppstart. Planen er et levende dokument og skal revideres ved behov i løpet av prosjektet.
Se også Nasjonal strategi for tilgjengeliggjøring og deling av forskningsdata
DMP 50 seconds
HVA er en datahåndteringsplan og hva skal den inneholde?
Norges Forskningsråd beskriver datahåndteringsplanen som et levende dokument som skal følge forskningsprosjektet. Den skal vise hvilke data som vil bli generert, hvordan dataene skal beskrives, hvor dataene skal lagres og om og eventuelt hvordan de kan deles.
Innholdet i en datahåndteringsplan vil variere fra fagfelt til fagfelt, men Science Europe sin praktiske guide til datahåndtering beskriver følgende hovedpunkt:
1. Beskrivelse av data og datainnsamling og gjenbruk av eksisterende data
- Hvordan vil nye data bli generert/samlet inn og/eller hvordan vil eksisterende data bli gjenbrukt?
- Hvilke data (type data, format og volum) vil bli generert eller samlet inn?
2. Dokumentasjon og datakvalitet
- Hvilke metadata og dokumentasjon (f.eks. metodebeskrivelse eller organisering av data) vil følge med dataene?
- Hvilke tiltak for kvalitetskontroll av dataene vil bli brukt?
3. Lagring og backup i forskningsprosessen
- Hvordan vil data og metadata bli lagret og sikkerhetskopiert underveis i forskningsprosessen?
- Hvordan vil datasikkerhet og beskyttelse av eventuelle sensitive data bli ivaretatt i løpet av forskningsprosessen?
4. Juridiske og etiske krav og retningslinjer
- Dersom persondata behandles, hvordan vil man sikre at lovgivning om personopplysninger og datasikkerhet overholdes?
- Hvordan vil andre juridiske spørsmål, som feks immaterielle rettigheter og eierskap, bli håndtert? Hvilken lovgivning gjelder?
- Hvordan vil mulige etiske spørsmål bli tatt i betraktning, og hvilke etiske retningslinjer følges?
5. Deling av data og langtidsbevaring
- Hvordan og når vil dataene deles? Er det potensielle begrensninger for datadeling eller grunner til å sette en embargo på dataene?
- Hvordan vil data for bevaring velges ut, og hvor vil data bli bevart på lang sikt (f.eks. et dataarkiv)?
- Hvilke metoder eller programvare vil være nødvendige for å få tilgang til og bruke dataene?
- Hvordan vil anvendelsen av en unik og permanent identifikator (som f.eks. en Digital Object Identifier (DOI)) for hvert datasett bli sikret?
6. Ansvar for datahåndtering og ressurser
- Hvem (for eksempel rolle, stilling og institusjon) vil være ansvarlig for datahåndtering?
- Hvilke ressurser (for eksempel økonomi og tid) vil bli viet til datahåndtering og for å sikre at data vil være FAIR (Findable, Accessible, Interoperable, Re-usable)?
Se også DMP_checklist og Cessda Data Management expert guide for mer informasjon.
HVORDAN skriver man en datahåndteringsplan?
Det finnnes flere verktøy for utforming av datahåndteringsplanar. Ved å bruke disse kan man utforme datahåndteringsplanar i samsvar med krav fra ulike forskningsfinansiører. Disse planane kan også deles og redigeres av andre.
Anbefalte DMP verktøy:
- DMPonline fra Digital Curation Centre (NB! Finn Science Europe mal under Reference > Funder Requirements)
- Data Steward Wizard fra Elixir (særlig for livsvitenskap; template tilpasset Norge, kan eksportere maskinhåndterbar DMP)
Ytterlige verktøy:
- EasyDMP fra Sigma2/Sikt (tilpasset Norge, kan eksportere maskinhåndterbar DMP)
- Datahåndteringsplan fra Sikt
- argos fra OpenAire
For tips og hjelp til utfylling, anbefaler vi å lese Cessda Data Management expert guide, ELIXIR's RDMkit, Science Europe guidelines eller DCC's checklist.
Forskningsrådet oppfordrer til åpen publisering av DMPer. Dette kan løses ved å laste ned utarbeidet DMP fra verktøyet som har blitt brukt, og publisere i f.eks. Zenodo.
Eksempler på datahåndteringsplaner
Example DMPs and guidance fra Digital Curation Centre
Curated collection of Horizon 2020 DMPs fra Universitetet i Wien
DMP Catalogue fra LIBER Europe
I tillegg finnes det mange eksempler på datahåndteringsplaner i f.eks. Zenodo eller på DMPonline og DMPtool sine nettsider. NB! disse planene er ikke kuratert eller kvalitetssikret på noen som helst måte og bør ikke brukes som mal.
Ofte stilte spørsmål (FAQ)
Hva er forskningsdata?
Forskningsdata kan defineres som alle data som er produsert eller samlet inn av forskeren i et forskningsprosjekt.
Med dette menes informasjon, særlig fakta eller tall, samlet inn eller produsert for å fremme påstander i faglitteraturen, f.eks. statistikk, resultat av eksperimenter, målinger, observasjoner i feltarbeid, spørreundersøkelser, intervjuopptak, bilder etc.
Hva er FAIR-prinsippene?
FAIR-prinsippene er et sett retningslinjer for åpne forskingsdata, og står for:
- Findeable - gjenfinnbar
- Accessible - tilgjengelig
- Interoperable - data skal kunne åpnes, forstås, kombineres, gjenbrukes og bearbeides uten begrensinger, både nå og i fremtiden.
- Reuseable - gjenbrukbar
For at forskningsdataene skal være gjenbrukbare må kvaliteten være på topp og derfor må både data og metadata være gjenfinnbare, tilgjengelige og interoperable.
Hvor kan jeg lagre og dele mine forskningsdata?
For å gjøre forskningsdataene dine synlige og tilgjengelige, bør du velge et fagspesifikt arkiv. Et slikt kan du finne på re3data.org, som er det største og mest omfattende registeret over tilgjengelige dataarkiv. Et alternativ er fairsharing.org.
Hvis du ikke finner et aktuelt fagspesifikt arkiv, kan du som forsker ved UiB arkivere dataene dine i DataverseNO.
Vennligst se også vår side om Åpen tilgang til forskningsdata.
Hva er metadata?
Metadata er strukturert informasjon som beskriver, forklarer, lokaliserer, og gjør det lettare å hente og bruke en informasjonskilde. Kort og godt: data om dataene. For å bidra til å gjøre dataene dine gjenbrukbare og tilgjengelige for deg og andre i fremtiden, må du opprette og arkivere nøyaktige metadata sammen med dataene dine.
Digital Curation Centre (DCC) har en oversikt over disiplin-spesifikke metadata.
Må jeg gjøre alle mine forskningsdata åpent tilgjengelige?
Ikke nødvendigvis, du må velge ut hvilke data du trenger å oppbevare; hvilke data ønsker du å oppbevare; hvilke data som ikke bør være åpent tilgjengelige; hvilke krav har finansiører, Universitetet og/eller eventuelle juridiske eller lovgivningsmessige krav.
Hvis det er ingen spesifikke krav, anbefaler vi forskeren å tenke gjennom følgende: Hvilke data er nødvendige for å reprodusere eller validere resultatene? Merk at dette kan inkludere kode. Hvilke data har potensial for gjenbruk av andre?
Digital Curation Centre (DCC) tilbyr nyttig veiledning: ‘Five steps to decide what data to keep’.
Finnes det "best practices" for håndtering av forskingsdata?
Følgende komponentar er nødvendige i god håndtering av forskingsdata:
- Bruk korte og deskriptive filnavn
- Velg arkivverdige filformat
- Spor ulike versjoner av dokumentene dine
- Lag metadata for hvert eksperiment eller analyse
Se Deposit Guide til DataverseNO eller DataONE Best Practices Primer for mer informasjon.
Hva er arkivverdige format?
Arkivverdige filformater gjør at dataene dine kan leses av alle, også i fremtiden. Enkelte filformat er mer sannsynleg å være lesbare i fremtiden enn andre. Slike format er som regel:
- ikke-proprietære
- åpne, med dokumenterte internasjonale standarder
- i bruk hos store deler av forskningsmiljøet
- bruker standard tegnkoding, helst Unicode (for eksempel UTF-8)
- ukomprimerte
Når du arkiverer dataene dine i et arkiv, må du sørge for å laste opp filene dine i et arkivverdig format, i tillegg til det originale filformatet. Sørg også for at alle filene dine inneholder en gyldig filendelse, f.eks. .txt, .pdf. Mer informasjon og flere eksempler på arkivverdige format finner du på det nederlandske nasjonale ekspertisesenteret for arkivering av forskningsdata: Data Archiving and Networked Services (DANS)
